联系我们

课程大纲

自主AI基础

  • 受监管组织中自主AI的含义
  • 业务、法律及运营驱动力
  • 核心控制领域:数据、模型、基础设施和运营

监管要求与风险映射

  • 数据驻留、隐私及行业特定义务
  • 将敏感数据映射至AI用例
  • 识别跨境、日志记录及第三方暴露风险

治理数据、提示词与日志

  • 提示词治理与合理使用边界
  • 提示词、响应及元数据的日志策略
  • 保留、脱敏、掩码及访问控制实践
  • 练习:审查AI数据流的治理缺口

模型托管与推理环境选项

  • 公共API、私有云、本地部署及混合部署选择
  • 决定模型运行位置的关键因素
  • 控制、安全、成本与运营所有权之间的权衡

供应商依赖与可移植性

  • 模型、工具及平台中常见的锁定模式
  • 通过模块化架构、开放接口和明确合同实现可移植性
  • 练习:依据自主性标准评估供应商

治理模型与行动计划

  • IT、安全、法律及合规部门的角色与职责
  • 用例、模型及运营变更的审批工作流
  • 可审计性、监控及事件响应期望
  • 制定实用的自主AI路线图及后续步骤

要求

  • 具备AI概念、数据治理及合规要求的基本知识
  • 熟悉企业技术、云、安全或风险决策流程
  • 无需编程经验

受众

  • IT领导者、企业架构师及平台管理者
  • 风险管理、合规、法律及数据治理专业人士
  • 负责受监管环境中AI采用的安全团队及业务领导者
 7 小时

即将举行的公开课程

课程分类